هوش مصنوعی و هوش انسانی

هوش مصنوعی و هوش انسانی

چرا تعداد پروژه ها و نرم افزار های هوش مصنوعی  که به هوش انسانی نزدیک باشند بسیار کم است ؟

یک پروژه اینچنین حتما به مشکل بر خواهد خورد. دلایل زیادی برای این احتمال کم وجود دارد اما

بنیادی ترین آن به طور کلی این است که انسان ها در کار هایی که کامپیوتر ها انجام می دهند ضعیف

هستند و همچنین کامپیوتر ها هم در زمینه های انسانی ضعیف هستند. پیش بینی می شود که بازار

هوش مصنوعی تا سال 2025 300 میلیارد دلار ارزش داشته باشد. و اکثریت قریب به اتفاق شرکتهایی

که سعی می کنند که در این بازار حضور داشته باشند ، نوعی هوش مصنوعی شبیه به انسان را

بازاریابی می کنند.

ایده تشبیه هوش مصنوعی و هوش انسانی 

ایده اصلی این دسته از هوش های مصنوعی این است که به عنوان یک به روز رسانی به بازار ارائه شود.

کامپیوتر ها محاسبات انجام می دهند اما هوش مصنوعی یاد می گیرد. اما حقیقت این است که انسان ها

درانجام وظایفی که یک رایانه انجام می دهد ناتوان هستند و هوش مصنوعی هم به همین تریتب قادر به

انجام کار های انسانی نیستند. به همین دلیل است که محققان از پارادایمهای توسعه که بر تقلید از شناخت

انسان متمرکز شده اند ، فاصله می گیرند.دو تن از محققان NYU اخیراً در مورد چگونگی پردازش کلمات

و معنای کلمات در انسان و هوش مصنوعی تحقیق کردند. از طریق مطالعه “معناشناسی روانشناختی” ، این

دو محقق امیدوار بودند که نواقص موجود در سیستمهای یادگیری ماشینی در حوزه پردازش زبان طبیعی

(NLP) را توضیح دهند. توضیحاتی که این دو در arXiv  منتشر کرده اند نشان می دهد که این خلا به

این خاطر به وجود آمده است که سایر محققان به این که هوش مصنوعی توسعه داده آنها انسان مانند

است یا خیر توجه نمی کنند. به همیت دلیل است که انتقادات از هوش های مصنوعی در مورد ناتوانی

آنها از بروز رفتار های انسان مانند، زیاد است.

راهکار های تولید هوش مصنوعی با قابلیت های انسانی

یکی از کار هایی که برای  تولید هوش مصنوعی انسان مانند باید انجام دهیم دقت به روش های تفکر

انسانی است. در زمینه ترجمه ، انسانها روش های مختلفی را برای به یاد آوری داشتن چندین زبان در

سر خود و ایجاد ارتباط سیال بین این زبان ها دارند. از طرف دیگر ، ماشین آلات لازم نیست بدانند که

یک کلمه به چه معنا است تا ترجمه مناسب را به آن اختصاص دهند. این کار هنگامی که دقت به سطح

انسانی نزدیک تر می شود ، مشکل تر می شود. ترجمه یک ، دو و سه به اسپانیایی نسبتاً ساده است.

این ماشین می آموزد که آنها دقیقاً برابر با uno ، dos و tres هستند و احتمالاً 100 درصد اوقات

جواب مناسب را بدست می آورند. اما وقتی مفاهیم پیچیده ای اضافه می کنید ، کلماتی با بیش از

یک معنی و اصطلاحات عامیانه یا محاوره ای به آن می افزایید می توانند پیچیده تر شوند. وقتی

توسعه دهندگان شروع به ایجاد هوش منصوعی می کنند که با تمام شرایط کنار بیاید دچار مشکل

می شوند درست مانند اینکه با گذراندن چند کلاس زبان اسپانیایی نمی توانید تمامی اصطلاحاتی

که در مکریکو سیتی استفاده می شود را متوجه شوید.

ضعف و کمبود هوش مصنوعی نسبت به هوش انسانی

به همین دلیل است که ماشین ها با درک زبان انسان ها که همیشه در حال تحول است

مشکل دارند.  هنوز پردازش زبان طبیعی قادر به شناخت در سطح انسانی نیست به

همین دلیل رفتار های انسان مانندی که بروز می دهد خنده دار به نظر می رسد تصور

کنید که گوگل ترنسلیت با گرفتن عبارت توله خاموش شود چون این کلمه را اهانت آمیز

استنباط کرده ! این خط تفکر فقط مختص NLP نیست. ساخت هوش مصنوعی بیشتر

شبیه به انسان ، صرفاً یک تصمیم طراحی برای اکثر پروژه های یادگیری ماشین است.

همانطور که محققان NYU  در مطالعه خود اشاره کرده اند: یک راه برای فکر کردن

در مورد چنین پیشرفت های صرفاً از نظر مهندسی است یعنی کاری وجود دارد که باید

انجام شود و اگر سیستم آن را به اندازه کافی خوب انجام دهد ، آن کار موفقیت آمیز

محسوب می شود. مهندسی مهم است ، و می تواند عملکرد بهتری و سریعتر داشته باشد

و انسان را از کار کسل کننده مانند  پیدا کردن واژگان کلیدی در پاسخنامه ها و یا بررسی

برنامه سفر های هوایی رهایی بخشد.

دید مهندسی هوش مصنوعی و هوش انسانی

از نظر مهندسی ، بیشتر مشاغل انسانی که انسان ها در حال حاضر انجام می دهد و در همه جا هستند

را می توان به کارهای فردی تقسیم بندی کرد که برای اتوماسیون مناسب تر باشد تا از هوش مصنوعی و

در مواردی که شبکه های عصبی ضروری باشد مانند هدایت ترافیک در یک بندر حمل و نقل  کار بسیار

سختی خواهد بود. اتومبیل های خودران را در نظر بگیرید. ساختن وسیله نقلیه متشکل از چندین سیستم

که با هم کار می کنند به جای اینکه یک ربات انسان نما ساخته شود که بتواند تا اتومبیل برود ، قفل را

باز کند ، وارد شود ، یک اتومبیل کلاسیک را استارت بزند و شروع به رانندگی کند بسیار معقول تر به نظر

می رسد.بیشتر اوقات ، هنگامی که توسعه دهندگان ادعا می کنند که هوش مصنوعی “شبیه به انسان”

ایجاد کرده اند ، منظور آنها این است که آنها وظیفه ای را که اغلب افراد برای آنها استخدام می شوند

به صورت خودکار انجام داده اند. به عنوان مثال نرم افزار تشخیص چهره می تواند جایگزین نگهبان

انسانی درب ورود شود اما نمی تواند به شما بگوید پیتزا در رستوران محلی چقدر خوب است. بنا به

این دلایل حوضه هوش های مصنوعی انسان مانند بسیار محدود است در این راستا سیری و الکسا

موفق تر بودند. آنها اسامی و صدا دارند و برنامه ریزی شده اند که  مفید ، خنده دار ، دوستانه و مودب

به نظر برسند.

آیا هوش مصنوعی کار خارق العاده ای انجام می دهد ؟

اما در واقع هیچ عملکردی وجود ندارد که یک دستیار هوشمند  قادر به انجام آن باشد و شما نتوانید آن را

با یک دکمه انجام دهید. یعنی اگر شما فضا و دید بی نهایت داشتید می توانستید تمام آن  کار ها را انجام

دهید می توان اینگونه تعبیر کرد که این دستیار های هوشمند همانقدر به رفتار انسانی نزدیک هستند که

یک کنترل غول پیکر هست. هوش مصنوعی مانند انسان نیست. ما ممکن است ده ها سال یا بیشتر از یک

هوش مصنوعی عمومی  که می تواند در هر حیطه ای در سطح انسانی عملکرد داشته باشد فاصله داشته

باشیم . خدمتکار های روباتی فاصله زیادی با واقعیت دارند. در حال حاضر ، بهترین  کاری که توسعه

دهندگان هوش مصنوعی می توانند انجام دهند ، تقلید از تلاش های انسان است ، و این به معنی  ساده

کردن یک فرآیند برای کاری به خودکار است.

تفاوت یادگیری ماشینی با یادگیری عمیق

تفاوت یادگیری ماشینی با یادگیری عمیق

هوش مصنوعی یک مبحث با پیچیدگی های خاص خود است. اما عموما تفاوت میان یادگیری ماشینی با یادگیری عمیق،

شبکه های عصبــی و… برای مردم مشخص نیســت امـــا می توانیم گفت که تمامی راهکار های هوش مصنوعی در

یادگیری ماشین و یادگیری عمیق خلاصه می شود. اما بـــرای درک بهتر هــوش مصنوعی باید تفاوت میــان این دو

را دانست. مثال های این فناوری ها در همه جا دیده می شود . این فناوری ها باعث می شود کــــه نتفلیکس برنامه

مورد علاقه بعدی شما را می داند و یا اینکه فیس بوک چطور می داند که چه کسانی در عکــس حضور دارند و …

تفاوت یادگیری ماشینی با یادگیری عمیق چیست؟

 راحت ترین راه برای درک این تفاوت این است که بدانید یادگیری عمیق در واقع نوعی از یادگیری ماشین است.

اگر بخواهیم دقیق تر بگیم یادگیری عمیق در واقع یادگیری ماسین تکامل یافته است که از یک شبکه عصبی قابل

برنامه ریزی استفاده می کند تا ماشین ها را قادر بسازد بدون کمک انسانها تصمیم گیری دقیقی بکنند. اما اگر هیچ

اطلاعاتی در این زمینه ندارید اوا یادگیری ماسینی را توضیح می دهیم.

یادگیری ماشینی (Machine Learning) چیست ؟

اگر بخواهیم یک تعریف پایه از یادگیری ماشینی انجام بدهیم می توانیم بگوییم : یادگیری ماشینی الگوریتم هایی

هستند که داده ها را تجزیــه می کنند ، از آن داده ها درس مـی گیـــرند و سپــس آنچـه را که یاد گرفته اند برای

تصمیم گیری آگاهانه استفاده می کنند” برای مثال سرویس های موسیقی های در خواستی است که با توجه به سلیقه

مخاطب موزیک هایی که تازه منتشر شده را معرفی می کند این تکنیک که اغلب به عنـــوان هوش مصنوعی مورد

استفاده قرار می گیرد ، در بسیاری از سرویس هایی که توصیه های خودکار ارائه می دهنـــد ، استفاده می شود.

یادگیری ماشینی در انواع مختلفی از کسب و کار ها حضور دارد از موسســـات امنیت داده کــه بد افزار ها را

شکار می کند گرفته تا بازار بورس. الگوریتم های هوش مصنوعی برنامه ریـــزی شده انــد که به طــور مداوم

در حال یادگیری به روشی باشند که به عنوان دستیار شخصی مجازی شبیه سازی می شوند – کــاری که آنها به

خوبی انجام می دهند. وقتی پای یادگیری عمیق و شبکه های عصبی عمیق به میان می آید این فذایند یــــادگیری

جالب تر می شود.

تفاوت های یادگیری ماشین و یادگیری عمیق

همانطور که قبلا اشاره کردیم یادگیری عمیق در واقع نوعی از یادگیری ماشین است و بــه روشی ومشابه

عمل می کند، اما برخی اوقات عملکرد آنها متفاوت است. با اینکه یادگیری ماشیـــن یا توجه به عملکرد آنها

روز به روز بهتر می شود اما هنوز نیاز به راهنمایی انسانی  دارد. یعنی اگــــر الگوریتم هوش مصنوعی

یک محاسبه نادرست انجام دهد، نیاز به یک مهندس  برای مداخله و تصحیــح آن وجود دارد اما در مورد

الگوریتم های یادگیری عمیق اینگونه نیست و خود هوش مصنوعی از طــریق شبکه عصبی عمیق می تواند

خود را اصلاح کند. برای مثال اگر ما یک چراغ قوه هوشمند داشتـــه باسیم که با یادگیری ماشین کار کند

در نهایت می تواند هر عبارتی را که در آن کلمه تاریک وجــود دارد را شناسایی کند و خود را روشن کند

اما اگر همان چراغ قوه با یادگیری عمیق طراحــی شده باشد به عباراتی مانند “پریز کار نمی کند” و یا

“من نمی توانم ببینم” هم واکنش نشان می ئپده و خــود را روشن می کند . بنابراین یک مدل یادگیری عمیق

قادر است از طریق روش محاسبــات خود بیــاموزد ( تکنیکی که به نظر می رسد که دستگاه مغز خودش

را دارد.)

یادگیری عمیق چگونه کار می کند؟

یک مدل یادگیری عمیق برای تجزیه و تحلیل مداوم داده ها با یک ساختار منطقی شبیه به چگونگی

تجزیه و تحلیل و نتیجه گیری یک انسان طراحی شده است.برای دستیابی به این هدف ، برنامه های

یادگیری عمیق از یــک ساختـــار لایه ای از الگوریتــــم ها،طراحی یک شبکه عصبی مصنوعی از

شبکه عصبی بیولوژیکی مغز انسان الهام می گیرد و منجــــر به فراینـــدی از یادگیری می شود که

به مراتب از مدلهای یادگیری ماشین استاندارد تواناتر است. به نام شبکه عصبـــی مصنوعی استفاده

می کنند. فرایند اینکه این مدل ها نتیجه گیری های اشتباه نکنند بسیار دشوار است و بایـــد ماننــد سایر

نمونه های هوش مصنوعی تمرین زیادی داده شوند. اما هنگامی که عملکرد صحیحی از خـــود نشان

می دهند، به عنوان یک شگفتی در دنیای علم شناخته می شود که در واقع ستون و پایه هوش مصنوعی

واقعی می باشد.یک نمونه بارز از یادگیری عمیق AlphaGo Google است که یاد گرفته تا بازی

GO را انجام دهد، این بــــازی که شبیه که نیـــاز به استدلال و منطق بالایی دارد .مدل یادگیری عمیق

Alpha Go با بازی در مقابل بازیکنان حرفه ای یاد گرفت که سطح بازی خود را ارتقاع دهد و حرکاتی

را انجام دهد که در تمرین اولیه برای آن تعریف نشده. این امر باعث شد تا Alpha Go چندین استاد

این بازی را شکست دهد .

پس در اختصار تفاوت یادگیری ماشینی با یادگیری عمیق را می توان اینگونه بیان کرد:

  -یادگیری ماشین از الگوریتم هایی  استفاده می کند تا داده هایی را یاد بگیرد، تجزیه تحلیل انجام دهد و بر اساس تعالیم، نصمیم گیری آگاهانه انجام دهد.

-یادگیری عمیق ساختاری از لایه های الگوریتم ایجاد می کند که یک “شبکه عصبی مصنوعی” ایجاد کند که می تواند به تنهایی یادگیری و تصمیم گیری هوشمندانه داشته باشد.

-یادگیری عمیق زیر مجموعه ای از یادگیری ماشینی است که هر دوی آنها زیر مجموعه وسیعی از هوش مصنوعی هستند. یادگیری عمیق فناوری هوش مصنوعی ایجاد می کند که بیشترینشباهت را به هوش انسانی دارد.

داده ها سوخت آینده

با وجود حجم عظیم داده هایی که توسط داده های بزرگ در حال حاضر در حال جمع آوری است

ما تحول های عظیمی را طی ده سال آینده ساهد خواهیم بود که هنوز به آنها دست نیافته ایم.

بنا به تحلیل افراد متخصص در این زمینه این یادگیری عمیق بیشترین سهم را در این فرایند خواهد

داشت.اندرو نگ ، دانشمند ارشد موتور جستجوی بزرگ چین “بایدو” و یکی از رهبران پروژه

Google Brain ، یک قیاس عالی برای یادگیری عمیق با مجله Wired به اشتراک گذاشت. او گفت:

من هوش مصنوعی را به یک فضا پیما تشبیه می کنم که هم به موتور قدرتمندی نیاز دارد و هم

به سوخت زیاد. اگر سوخت کم و موتور قدرتمند داشته باشید نمی توانید به مدار برسید و اگرشوخت

زیاد و موتور ضعیف داشته باشید حتی نمی توانید سفینه را از زمین بلند کنید بنابراین هر دو عامل

باید به اندازه کافی قوی باشد.

هوش مصنوعی سامسونگ پیشرو در بازار

هوش مصنوعی سامسونگ پیشرو در بازار

سامسونگ همانند رقیب های خود از هوش مصنوعی در محصولات خود استفاده می کند.این

 غول تکنولوژی اسم هوش مصنوعی خود را بیکسبی (Bixby) گذاشته. این  هوش مصنوعی

بیکسبی نه تنها در تلفن های هوشمند این کمپانی جا گرفته بلکه در محصولاتی که دارای اینترنت

اشیاء نیز هستند گنجانده شود. این دستیار صوتی قصد دارد تا از رقیبان خود مانند سیری اپل،  

گوگل اسیستنت و الکسا  پیشی بگیرد البته  این هوش منصوعی با گوگل اسیستنت منتبق است.

با اینکه این هوشمصنوعی موفقیت رقبای خود را ندارد اما با این حال بر روی دستگاه های 

سامسونگ نصب شده است. 

این هوش مصنوعی چگونه کار می کند

در واقع این هوش مصنوعی برای تلفن هوشمند سامسونگ S8 ساخته شده است اما انتظار می رود

برای تمامی دستگاه های هوشمند سامسونگ مانند تلویزیون و یخچال فمیلی هاب هم اجرا شود. این

دستیار صوتی می تواند برای شما پیام ارسال کند، اطلاعات مورد نیاز شما( وضعیت هوا ، یادآوری

جلسات ، مقالات خبری و غیره) را به شما بدهد، اطلاعات موجود در نمای دوربین و یا یک عکس را

به شما بدهد و یا حتی با تشخیص صدا اطلاعات مربوط به شخص را در اختیارش قرار دهد سامسونگ

می گوید این هوش مصنوعی می تواند از شما بیاموزد، با شما تکامل پیدا کند و با شما سازگار شود.

این دستیار در یکسری ازاپلیکیشن های دیگر هم موجود است. سامسونگ همچنین دارای بلندگوهای

Galaxy Home Bixby است که با وجود گذشت 18 ماه از معرفی آن هنوز راهی بازار نشده است.

هوش مصنوعی سامسونگ چگونه کار می کند؟

Bixby به گونه ای طراحی شده است که به شما امکان می دهد تا به جای راه اندازی یک برنامه یا انجام

یک کار واحد ، یک مجموعه کامل از تعامل ها را انجام دهید. بیکسبی از نظر متنی آگاه است ، به این معنی

که می تواند وضعیتی را که برنامه در آن قرار دارد تشخیص دهد و بر اساس درخواست های شما اقدامات

صحیح انجام دهد ، همچنین به شما امکان می دهد دستورات صدایی و یا لمسی را در این تعامل داخل کنید.

بیکسبی همچنین باید بتواند زبان طبیعی را درک کند: این بدان معنی است که شما نیازی به استفاده از عبارات

کامل ندارید ، می توانید اطلاعات ناقصی ارائه دهید و بیکسبی می تواند آنها را تفسیر کند و اقدام نماید .

تشخیص یص زبان طبیعی برای ظهور الکسا مهم بوده است و اکنون عنصر اصلی هوش مصنوعی مدرن است.

این دستیار هوش مصنوعی می تواند با کلمه ی بیدار باش سلام بیکسبی فعال شود و مانند گوگل اسیستنت

می توانید با زبان طبیعی با آن حرف بزنید. اما به نظر می رسد که بیکسبی به طور تصادفی هم فعال می شود .

بنابراین استفاده از فعال سازی با دکمه می تواند از این اشتباه جلوگیری کند البته این قاعده فقط برای دستیار

صوتی است و در مورد دید بیکسبی باید وارد دوربین شوید تا فعال شود.

هوش مصنوعی بیکسبی چه توانایی هایی دارد؟

یکی از اهداف اصلی بیکسبی تعامل با دستگاه های و پیچیده است. در اینجا چند نمونه از کارهایی که بیکسبی

انجام می دهد را برای شما بازگو می کنیم :

می توانید بگوید این را برای من روی صفحه نمایش بده تا بیکسبی آن را بر روی تلویزیون سامسونگ نشان دهد.

میتوانید برای ذخیره تصویر روی صفحه به عنوان تصویر زمینه تلفن خود بگویید “از این به عنوان تصویر زمینه

من استفاده کنید”

می توانید بگویید “یک سلفی بگیرید و در فیس بوک به اشتراک بگذارید” تا دستگاه دقیقاً همین کار بکند.

می توانید بگویید که به من یاداوری کن ساعت 3 دارو هایم را بخورم تا ریمایندر برای شما ست شود.

بگویید پیام ها را باز کن تا اپلیکیشن پیام های شما باز شود.

می توانید بگویید HDR را روشن کن تا در دوربین این قابلیت روشن شود.

برای اینکه از این قابلیت ها استفاده کنید باید بیکسبی را یا با دکمه و یا با کلمه بیدار باش فعال کنید. به آسانی از

آن بخواهید کارهایی مانند تغییر صدا یا افزایش روشنایی گوشی را انجام دهد. به طور کلی ، هنگام کنترل دستگاه ،

بیکسبی بسیار مناسب است ، همانطور که در ایجاد پیام برای شما یا خواندن پیام های دریافتی و غیره است.

دید بیکسبی (Bixby vision)

Bixby Vision طیف وسیعی از عملکردها را ارائه می دهد که از دوربین موجود در گوشی بهره می برند.

با روشی مشابه Google Lens یا برنامه خرید Amazon ، می توانید از Bixby بپرسید که در تصویر

چه چیزی است یا برنامه دوربین را باز کنید و دکمه Bixby Vision را بزنید. یکی زا قابلیت های خوبی 

دارد این است که می تواند بدون اینکه به  Bixby Voice وابسته باشد فقط با کمک دوربین عملکرد

داشته باشد. می تواند سرویس دهی کند پس حتی دستگاه هایی که هنوز پشتیبانی کامل از سرویس صدای

Bixby Voice را ندارند ، Bixby Vision را استفاده می کنند

Bixby Home

اگر افرادی به هر دلیلی دسترسی به ئستیار صدای بیکسبی را نداشتند می توانند از بیکسبی هوم استفاده بکنند

این قابلیت در سمت چپ صفحه اصلی قرار دارد. در انگلستان شما می توانید سرویس خبری Upday و یا یک 

فلیپ برد شخصی در اختیار شماست که اساسا هر امکاناتی را که بیکسبی می تواند با آن در ارتباط باشد را به

شما نشان می دهد چه آب و هوا باشد و چه کنترل گجت های IoT.

یادآور بیکسبی

 بیکسبی می تواند برای شما یادآور ایجاد کند  اما با وظایف خاص در قالب متن یا چک لیست. می توانید 

از آن بخواهید تا به ما یادآوری کند که تماسی بگیرید و یا پیامی ارسال کنید. ویا  حتی محتوایی را که

می خواهید بعدا ببینید را به شما گوشزد کند.  این کار را می توانید هم با دستور صدایی و هم از صفحه

اصلی انجام دهید. 

پیشنهاد رستوران

پیشنهاد رستوران می تواند توسط Bixby بسته به مکانهایی که در گذشته از آنها بازدید کرده اید ، ارائه

شود. همچنین برخی از مراحل رزرو ، مانند زمان رزرو ، شماره تلفن شما ، تعداد میهمانان و غیره را

کنترل می کند که براساس عادات قبلی شما همه می توانند به صورت خودکار پر شوند.

رزرو تاکسی تلفنی

این دستیار صوتی میتنی بر هوش مصنوعی سامسونگ می تواند برای شما با دستور صدایی  تاکسی

(Uber) رزرو کند سامسونگ در یک نمایش با گفتن عبارت من نیاز دارم تا به فرودگاه JFK برسم

بدون اینکه دقیقا بگوید کهاوبر می خواهم یک تاکسی تلفنی رزرو کرد.

هوش مصنوعی در سینما

هوش مصنوعی در سینما

فناوری همیشه در تخیلات و آثار هنری وجود داشته و از زمان ورود هوش مصنوعی در جهان سینما ،

داستان ها و فیلم های جذاب و مهیجی در این صنعت ساخته شده. اما فیلم ها فقط در مورد انفجار

 و شیلیک اسلحه نیستند. فیلم ها به عنوان آثار هنری باید ذهن مخاطب خود را درگیر کنند و حتی

ایده یا فکری را برای مخاطب شکل دهند. اما چرا این صنعت تاثیر بیشتری دارد ؟ این تفاوت به 

 اختلاف اصلی بین یک فیلم و کتاب برمی گردد و آن تصویر سازی است. یک محتوای بصری محتوا

را نمایش می دهد که در مقایسه با یک کتاب، به سرعت در حافظه تصویری ما را ثبت می شود، این

فرایند توضیح می دهد که چرا مردم به جای خواندن کتاب ساعت ها در YouTube می گذرانند. 

هوش مصنوعی در سینمای جهان

 هوش مصنوعی ، یادگیری ماشین ، دانش داده در صنعت سینما  به خصوص در هالیوود بسیار رایج

می باشند. با اینکه در سینما همیشه یزرگ نمایی وجود دارد اما ایده های پشت پرده می توانند از

 حقایقی نشات گرفته باشند امروزه متخصصانی این زمینه وجود دارند که از یک هوش مصنوعی

فوق العاده هوشمند که از ما پیشی بگیرد و در نهایت تصمیم بگیرند که ما را از روی زمین پاک

کند، می ترسند. از طرف دیگر طیف ، هوش مصنوعی به عنوان یک اختراع معجزه آسا به تصویر

کشیده شده است ، دستگاه هوشمند که می تواند کارهای مانند شبیه سازی ها و پیش بینی ها را

بسیاربهتر از انسان انجام دهد. در فیلم ها ، هوش مصنوعی را یاری انسان می پردازد ، و یا در یک

سفر ماجرا جویانه فضایی در کنار انسان ها ایستاده است.

فیلم هایی که در مورد هوش مصنوعی هستند

دیدگاه های نویسندگان و گارگردانان به هوش مصنوعی متفاوت است و ان تفاوت سلیقه در بسیاری از

 آثار دیده می شود. برای مثال در فیلم معروف The Terminator کارکتر منفی فیلم ربات هوشمندی

است که برای از بین بردن خطر احتمالی به گذشته سفر می کند تا رهبر نیروی مقاومت را در بچگی

بکشد اما در فیلم Interstellar ربات های هوشمندی وجود داردند که در اکتشافات فضایی به انسان

کمک می کند. البته ایده هوش مصنوعی فقط در این دو فیلم وجود ندارد و در سینما فیلم های زیادی

هستند که به نکات مثبت و منفی هوش مصنوعی اشاره می کنند. 

The Matrix

 فیلم ماتریکس داستانی را روایت می کند که ترس بشر از جنبه های تاریک هوش مصنوعی به واقعیت 

پیوسته است. داستان فیلم در آینده و در حدود سال 2200 می افتد. زمانی که ماشین ها برتری را نسبت

به انسان ها پیدا کرده اند و انسان ها را به روش مصنوعی  به دنیا می آورند تا از گرمای بدن آنها انرژی

 تولید کنند برای انجام این کار ماشین ها شبیه سازی ازدنیا در اواخر قرن بیستم را ایجاد کرده اند که

ماتریکس نام دارد تا انسان ها را در یک زندان ذهنی نگه دارد. بنابراین گروهی از انسان ها که از این

شبیه سازی خارج شدن در حال مبارزه با ماشین ها هستند تا انسانیت را آزاد کنند.

The Terminator

فیلم The Terminator یکی از محبوب ترین فیلم ها در هنگام به تصویر کشیدن آینده تاریک دنیاست که

هوش مصنوعی به طور ناگهانی شر می شود و شروع به کشتن همه می کند. این فیلمی است که احتمال تبدیل

شدن AI به یک تهدید وجودی را نشان می دهد. در این فیلم ، Skynet ، یک سیستم هوش مصنوعی که یک

هولوکاست هسته ای را جرقه می زند ، یک قاتل سایبورگ (Terminator) را به عقب می فرستد تا از تولد

جان کانر جلوگیری کند کسی که رهبر یک گروهی شورشی است که علیه Skynet می جنگد. این فیلم به عنوان

یادآوری برای ایجاد یک هوش مصنوعی که بی خطر است و پیشنهاد می کند تا قبل از اینکه هوش مصنوعی

بسازیم که بتواند ما را از بین ببرد خوب فکر کنیم.

Robocop 

داستان این فیلم سینمایی در مورد افسر پلیسی است که بعد از یک سوقصد در حال مرگ هست و دانشمندان

شرکت OCP با پیوند دادن او با ماشین زندگی او را تغییر می دهند الکس مورفی که حالا بدنی ماشینی

مبتنی بر هوش مصنوعی دارد ، باید بر سر اختیار خود با هوش مصنوعی مبارزه کند و هویت خود را که

دیگر نه انسان است و نه ماشین پیدا کند. در واقع این فیلم از اخلاق در هوش مصنوعی پرده بر می دارد

دلیل این امر این است که Robocop تلفیقی از هوش مصنوعی و انسانی است که این واقعیت را اثبات

می کند که اخلاق نمی توانند مصنوعی یا خودکار باشند.

I, Robot

VIKI (Virtual Interactive Intellietic Kinetic) یک ابر رایانه شرور است که با استفاده از

داده های جمع آوری شده از سراسر جهان و قدرت محاسباتی آن ربات ها را در سراسر جهان کنترل

می کند. در این دنیا ، ربات ها در همه جا وجود دارند و به آنها قوانینی تعبیه شده است که در سیستم

خود ضمانت می کنند و امنیت جامعه را تضمین می کنند. اما با VIKI ، این قوانین دیگر روبات ها

را محدود نمی کند ، و این وظیفه به یک پلیس تکنوفیبیک و یک ربات خوب محول می شود تا جلوی

پایان دادن به جهان توسط VIKI را بگیرند.

Interstellar

Interstellar برای ارائه هوش مصنوعی در یک فیلم علمی تخیلی از روش کاملاً متفاوتی استفاده می کند.

جفت روبات های چهار ضلعی به نام های TARS و CASE به طور حیرت انگیزی شکل خاصی را به خود

می گیرند که هیچ شباهتی به فرم محبوب انسانی مانند آنچه در Star Wars و Star Trek  مشاهده می شود،ندارند

به جای اینکه آن را تبدیل به آنتاگونیستی مانند HAL 9000 یا The Terminator کنند. این طراحی TARS

و CASE بیانگر طرحی است که عملکردی بالاتر برای بشریت دارند و بیانگر بسیاری از امکانات طراحی های

پیچیده در رباتیک و هوش مصنوعی است.

Star Wars

بی شک محبوب ترین ربات های مبتنی بر هوش مصنوعی در صنعت سینما ربات های C3PO و R2D2 در

سری فیلم های جنگ ستارگان هستند ربات هایی که در برابر نیروی شر در کنار انسان ها به مبارزه می پردازند

این دو ربات دارای شخصیت های انسانی هستند و درک کاملی از احساسات دارند. این نوع نگرش در مورد

هوش مصنوعی توسط جنگ ستارگان باعث می شود تا به این فکر کنیم که چگونه ربات ها در بافت جامعه ما

جاسازی می شوند و چگونه جامعه در آینده با هوش مصنوعی به عنوان کمک ، حیوانات خانگی و یا دوستان

رفتار خواهد کرد یا اینکه اصلاً به آنها اعتماد نمی کند.

بنابراین می بینیم که هوش مصنوعی در سینما بار ها و بار ها به تصویر کشیده که هم شامل  دیدگاه های مثبت

بوده و هم نقطه نظرات منفی را نمایش داده. البته هر کدام از این فیلم ها که بر پرده سینما نمایش داده می شوند

بیان گر حقیقتی هستند و آن هم این موضوع است که انسان ها و هوش مصنوعی نمی توانند از هم جدا باشند.

در نتیجه ما باید درایجاد و توسعه هوش مصنوعی بسیار محتاط  عمل کنیم و عواقب کار را بسنجیم. این ها تنها

مثال هایی از هوش مصنوعی در سینما بود و همانطور که قبلا هم اشاره کردیم فیلم ها همیشه مقداری بزرگنمایی

در خود جای داده اند. 

تعریف هوش مصنوعی چیست؟

تعریف هوش مصنوعی چیست؟

تعریف کلی که می توان راجـــع به هوش مصنوعی کـــرد ایـــن است کــه به هوشی

 گفته می شود کــه بر خلاف تصـــور از هوشـــی که در انســــان ها و حیوانات داریم

توسط ماشیـــن ها ارائــــه می شود. کتاب های درسی پیشـــرو AI ، این زمینه را به

عنوان مطالعه “عوامل هوشمنــــد” تعریف می کنند: هـــر وسیلـــه ای که محیط خود

را درک کند و اقداماتی انجـام دهـــد که شانس خـود را برای دستیابی به اهداف خود

به حداکثر برساند.به صورت عامیانه ،  تعریف اصطلاح “هوش مصنوعی” اغلب برای

توصیف ماشین ها (یا رایانــه ها) استفـــاده می شود که عملکــردهای “شناختــی” که

با ذهن انسان در ارتباط هستند ، مانند “یادگیری” و “حل مسئله” را تقلید می کنند.

در قاعده ای به نام تسلر به این اشاره می شود که هوش مصنوعی چیزی است که

هنوز انجام نشده است. 

تعریف پایه ای از هوش مصنوعی چیست ؟

هوش مصنوعی معمولی محیط خود را تجزیه و تحلیل می کند و اقداماتی انجام می دهد که شانس

موفقیت آن را به حداکثــر می رسانــد. این کــار ها می توانند ساده باشند(حالت 0،1) و یا پیچیده

    باشند (انجام اقدامات ریاضی شبیه به آنهایی کـــه در گذشتـه انجـام شده بودند). از طرف دیگر 

یک سیستــم تکــاملی می تــواند مانند حیوانــات ،با استفــاده از Fitness Function ها جهــت

تغییر و تکرار سیستم های ترجیح داده شده اقـــدام کند. بعضی از سیستــم ها مانند nearest-

neighbor, بدون هدف هستند و فقط تا حدی کـــه لازم بـــوده تمـریـن داده شــده اند بنابـراین

می توانند در مسیـر خاص مورد نظــر هــدف گذاری شونــد. هوش مصنوعی اغلب با استفــاده از

الگوریتم کار می کنـــد. یک الگوریتــــم، مجمـــوعه ای از دستورالعمـل های بدون ابهام است که

یک کامپیوتـــر مکانیــکی قــادر بــه اجـــرای آن است. یک الگوریتـــم پیچیـــده اغلـــب در بالای

الگوریتم هــای ساده تر دیگـــر،  ساختـــه می شود. یک مثـــال کار آمد بازی ایکـــس او است

در این شرایط تعریف الگوریتم هوش مصنوعی از پیامد ها اینگونه خواهد بود :

– اگر دو خانه پر شده بود و تهدید بود خانه سوم را بگیر در غیر این صورت

– اگر خانه ای را بگیری دو راهی ایجاد می کند آن را بگیر در غیر این صورت

– خانه مرکزی را اگر خالی بود بگیر درغیر این صورت

– اگر حریف خانه گوشه را گرفت،  خانه گوشه مقابلش را بگیر در غیر این صورت

– اگر گوشه خالی وچود دارد بگیر در غیر این صورت

– هر خانه خالی که وجود دارد بگیر

بسیاری از الگوریتــم هــای هوش مصنوعی قـادر بـه یادگیری هستنـد.آنها می توانند با یادگیری

اکتشافات جدید خود را تقویت کنند ، یا خود می توانند الگوریتم های دیگری بنویسند.  برخی

از الـگـوریـتــم هـایـی کـه مـی آمـوزنـد شامـل : Bayesian networks , decision trees ,

and nearest-neighbor,از لحاظ تئـوری یــاد می گــیرند کـه تقریبـاً هر عملکردی را انجام

دهند ، از جمله اینکــه کدام یــک از تـوابـع ریـاضی به بهتــرین وجـه کار می کنند. بنابراین این

فراگیران هوش های مصنوعی می توانند با در نظر گرفتن هر فرضیـه احتمـالی و مطابقت آنها

با داده ها ، تمام دانش ممکن را به دست آورند.

رویکردها به سمت هوش مصنوعی 

اولین و قابل درک ترین رویکرد، هوش مصنوعی نمادگرایانه است برای مثال اگر فرد سالمی 

تب داشت پس آنفــولانزا دارد دومیـــن رویکــرد استنباط Bayesian است، اگر بیمار فعلی

تب داشته باشد ، احتمال ابتلا به آنفلوانزا را از این مسیر خاص تنظیم کنید. رویکرد سوم، که

در اپلیکیشــن های هوش مصنوعی تجاری بسیار محبــوب هستند، آنالیزر هــایی مانند SMV و

nearest-neighbor  هستند، این مدل پس از بررسی سوابق بیماران شناخته شده  گذشته

  که درجه حرارت ، علائــم ، ســن و سایر عــوامل اکــثراً مطابق با بیمار فعلی است اعلام می کند

که، X٪  احتمال دارد که بیمار آنفولانزا داشته باشد. رویکرد چهارم که شبکه عصبی  مصنوعی

است از “نورونهای مصنوعی” استفــاده می کند که می تــواند بــا مقایسه خود با خروجی مطلوب

و تغییر نقاط قوت اتصالات بین نورونهای داخلی آن ، یاد بگیرد.

تفاوت هوش مصنوعی با هوش انسانی

در مقایسه با انسانبرای هوش مصنوعی استدلال های عام تعریف نشده است. انسان ها مکانیزم های

قدرتمندی برای استدلال درباره “فیزیک ساده” مانند فضا ، زمان و فعل و انفعالات جسمی دارند. این

حتی کودکان خردسال را قادر می سازد تا به راحتی استنتاج هایی از قبیل “اگر این قلم را از روی میز

بریزم ، روی زمین می افتد” را داشته باشند. آنها همچنین فاقد روانشناسی عامیانه هستند بــه همین

دلیل نمی توانند جملاتی مانند : اعضای شورای شهر از صدور مجــوز تظــاهرکنندگان خودداری کردند

زیرا آنها از خشونت حمایت می کردند ” متوجه شود چون نمی تواند که کدام دسته از افراد درون جمله

از خشونت همایت میکنند.این فقدان “دانش مشترک” یعنی که هوش مصنوعی غالباً اشتباهات متفاوتی

را نسبت به انسان مرتکب می شود ، به طریقی که ممکن است غیرقابل درک به نظر برسد. به عنوان

مثال ، اتومبیل های خود ران موجود نمی توانند به روشی دقیق که انسان انجام می دهد در مورد مکان

و یا مقاصد عابر پیاده استدلال کنند و در عوض باید از حالتهای استدلال غیر انسانی برای جلوگیری از

تصادفات استفاده کنند.

چالش های هوش مصنوعی

هدف کلی تحقیق از هوش مصنوعی ایجاد فناوری است که به رایانه ها و ماشین ها اجازه می دهد تا به

روشی هوشمند عمل کنند. مشکل کلی شبیه سازی (یا ایجاد) هوش به مشکلات فرعی تقسیم شده است.

اینها شامل ویژگی ها یا عملکرد های خاصی است که محققان انتظار دارند سیستم هوشمندی از خود نشان

دهند صفاتی که شامل موارد زید می شود :

استدلال و حل مشکل:

، بنا به تعریف هایی که از هوش مصنوعی شده محققان اولیه الگوریتم هایی را ایجاد کردند که از استدلال

گام به گام که انسان هنگام حل معماها یا استنتاج های منطقی استفاده می کند ، تقلید می کنند.

ارائه دانش:

ارائه دانش و مهندسی دانش در تحقیقات کلاسیک هوش مصنوعی مبحثی اساسی است. برخی از “سیستم های

حرفه ای” سعی در جمــع آوری دانــش صریح و صاحب نظران در برخی حوزه های تخصصی دارند. علاوه بر این،

برخی از پروژه ها تلاش می کنند تا “دانش عام” را که یک فرد متوسط دارا است ، در یک پایگاه داده حاوی دانش

گسترده در مورد جهان جمع کنند.

:برنامه ریزی

عوامل هوشمند باید بتوانند اهدافی را تعیین کنند و به آنها دست یابند. آنها به روشی نیاز دارند تا آینده را به صورت

تصویری از وضعیت جهــان نمایــان سازند و بتوانند پیش بینی هایی را در مورد چگونگی تغییر اعمال خود در آن انجام

دهند تا انتخاب هایی را انجام دهند که حداکثر استفاده از گزینه های موجود یا ارزش ها را داشته باشد.

یادگیری: 

یادگیری ماشینی (ML) ، یک مفهوم اساسی از تحقیقات هوش مصنوعی از زمان شروع این زمینه است ،

مطالعه الگوریتم های رایانه ای است که به طور خودکار از طریق تجربه بهبود می یابد.